介紹了當前基于醫學圖像的心臟流體力學研究方法,并簡要分析了基于磁共振成像(MRI)的流體研究方法、基于彩色多普勒超聲心臟流體動力學和基于灰階超聲圖像的三種常用分析方法的特點、不足以及算法本質,并指出了基于超聲圖像運動矢量估計的粒子成像速度(PIV)測量、斑點跟蹤和塊匹配方法在算法原理本質上的相同之處,都是采用了圖像塊之間的相關特性。分析表明,在未來基于醫學圖像的心臟流體力學分析研究中,隨著信息技術和傳感器技術的發展,將會在心臟流體能量傳遞過程、流體特征與心臟功能狀態以及血液流體與心肌固體運動耦合三方面迅速展開深層次的研究。
引用本文： 甘建紅, 尹立雪, 謝盛華, 李文華, 盧景, 羅安果. 基于醫學圖像分析的心臟流體力學研究現狀及趨勢. 生物醫學工程學雜志, 2014, 31(3): 698-702. doi: 10.7507/1001-5515.20140130 復制
引言
心臟流體力學是基礎和臨床心臟病學研究的重要內容，它是醫學、生物學、力學、計算機科學等多學科相互交叉、滲透發展形成的熱點前沿研究領域。各種心臟疾病往往首先導致不同時相心腔內血液流場的異常變化，深入揭示其血液流體特征有可能為各種心血管疾病心臟功能異常的早期診斷和精確診斷提供重要線索[1]。大血管和心腔的血液中渦漩形成勢必影響血液壓力分布和剪切應力的變化，同時渦旋也是反應血液流動與心血管疾病病理相關的重要形式[2-3]。然而，由于現有醫學影像設備及其圖像采集技術的制約，很難獲取同時具有較高時間和空間分辨率的動態心臟圖像。另一方面，心臟功能的實現受呼吸產生的整體運動、自身扭動和伸縮運動的影響，各種復雜的生理結構和生理變化特性將造成復雜多變的心室內流場狀態。盡管心室腔內流場復雜多變，但是在心動周期每個特定時相以層流和/或渦流為主體，其每個時相流體總體特征保持一定的穩定性，血流渦流參數、旋度分布等流體特征量具有一定的不變性，流體的不變性和醫學影像技術水平的提高為進一步深入研究心臟腔內流體力學狀態提供了可能性。隨著醫學影像學技術的進步，研究者們開始將光流法、粒子跟蹤 、粒子成像速度(particle image velocity，PIV)等算法應用到磁共振圖像、造影的灰階超聲圖像、彩色多普勒血流圖像以及透明人工心臟采集的醫學圖像，以獲取心血管內血流運動矢量和渦流等流體值，并以此為基礎從流體力學角度對心臟功能進行量化評價和臨床診斷參考。
1 基于醫學圖像的心臟流體力學研究現狀
磁共振成像(magnetic resonance imagine,MRI)和超聲圖像具有能采集活體數據的優點，較其它采集圖像方式而言數據準確性更高，臨床適用價值更高。Bellofiore等[4]用透明的心臟瓣膜裝置和高精度PIV得到血流速度矢量場，從而評估瓣膜對血流的負面影響，然而這類用模擬裝置采集的數據與MRI和超聲采集的在體數據必然存在一定的差異。基于圖像處理的方法主要分三個階段：采集圖像及圖像預處理、估計運動矢量、流場特征及心功能分析。由于MRI和超聲波成像具有不同的采集圖像方式，其三個處理階段所包含的圖像處理和分析技術方法有所不同。
1.1 基于MRI技術的心臟流體研究
MRI是上世紀40年代發展起來的一項新的分析技術，具有無創性、圖像空間分辨率高的特點，在醫學研究和臨床診斷中是獲取在體圖像的重要手段。其中磁共振相位編碼速度標示(phase-contrast magnetic resonance,PC-MR)技術一直被作為金標準應用于血流速度及流量的測量。PC-MR圖像采集獲得兩種圖像，即振幅圖和相位圖。振幅圖包含信號強度信息，主要用于解剖定位；而相位圖每個像素標示該像素點自旋的平均速度，主要用于測量流速與流量，因此，基于相位編碼速度標示技術可在不需要造影劑的情況下得到血流速度，研究人員將研究重點放在流體特征計算和心臟功能評價研究方面。盡管在PC-MR技術下可實時得到二維圖像的運動矢量，然而如果需要得到穩定性更好的數據通常需要借助心電圖，利用幾個心動周期數據計算運動矢量場。具體獲取信息的時間代價與幾個因素有關，比如所關注的區域大小、在體內的位置、設置的時間和空間的精度以及呼吸情況[5]。
Wong等[6-8]基于2D MRI的心臟流體影像學研究具有一定的代表性。在一個心動周期采集25幀圖像并解碼出運動矢量，分析每個心動周期內心室流體旋度統計值隨時間的變化情況，并對正常人和特定患者的旋度統計柱狀圖進行對比，分析其顯著性。其基本過程就是計算流程特征，然后用流場特征對心臟功能進行量化分析，對臨床疾病診斷具有一定的參考價值。
1.2 基于超聲圖像的心臟流體研究
當前可應用于標測在體血流的超聲技術為：頻譜多普勒、彩色多普勒超聲成像和PIV分析造影采集二維灰階超聲成像技術。其中常規頻譜多普勒超聲只能獲取較小區域內的血流速度信息，不能用于分析心室腔內流體整體運動情況。彩色多普勒血流成像技術能夠提供面上的與超聲波聲束方向平行的血流平均速度值和方向[9-11]。目前基于超聲波成像分析心臟流體動力學，主要采用彩色多普勒超聲和灰階超聲圖像兩種方式。
1.2.1 基于彩色多普勒超聲的心室流體動力學分析方法
從上世紀70年代開始，彩色多普勒血流成像技術(color Doppler echocardiography，CDE)被應用于心腔血流動力學狀態的量化評價，是一種無創、實時的心臟血流圖像采集手段，能夠獲取聲束方向上的二維血流速度分布圖，并采用彩色編碼表示血流與聲束相對方向。該方式不能實現血流流體整體流場和基于局部流線的層流及渦流等流體狀態的可視化觀察和量化評價，難以實現心動周期中流體內部能量傳導、流體與流體以及流體與固體間能量交換的量化評價。為利用彩色多普勒血流圖像中血液運動信息進行心臟流體狀態分析，日本學者Ohtsuki等研究人員于2006年提出了血流速度矢量圖(vector flow mapping,VFM)方法。其在計算流體信息時，假定二維平面流場是由層流和渦流組成，算法結合圖像信息和流體公式獲得垂直于聲束方向的運動矢量，并與聲束方向速度矢量合成得到血流的最終運動矢量；同時，沿著垂直于超聲聲束方向對顏色積分實現流函數值計算，將流函數值相同的點連接起來得到流體的流線，最后用矢量場和流線對血流狀態進行可視化描述。應用VFM技術可對心室腔內血流的層流和渦流狀態進行直觀可視化觀察，并能進行簡單量化評價，為心臟流體運動特征描述、流體狀態評價提供了重要技術方法[12-13]。然而，該方法中流線和運動矢量的原理不一致，導致二者結果具有一定的差異性，同時VFM的角度依賴性等固有技術缺陷很難得到有效解決。
1.2.2 基于灰階超聲圖像的心腔流體運動分析
基于MRI圖像和彩色多普勒圖像的流體分析方法可以直接從圖像自身解碼得到速度矢量或速度分量，而灰階超聲圖像不能從圖像內容解碼出組織(或圖像像素)運動矢量，因此需要按照一定算法利用幀間信息得到運動信息。Park等[14]對造影劑圖像運用PIV方法計算渦流相關參數，類似這樣基于灰階超聲圖像心臟動力學及功能研究的路線可分為三個階段。
首先，采集具有心肌和血流的二維灰階超聲圖像。血液流體自身聲學屬性導致采用低頻常規超聲儀很難采集到具有完整可靠血流信息的超聲圖像，因此首先需要解決如何采集可供分析的灰階超聲圖像。目前在基礎研究和臨床診斷中，基本的技術手段是通過微泡造影方法獲取具有血流信息的灰階心臟超聲圖像。該方法通過向血液中注入微泡，增強散射回聲以提高超聲診斷的分辨力、敏感性和特異性，最終實現對心室腔內血液圖像區域的對比反差，達到增強流體圖像的目的。然而通過靜脈注射超聲造影微泡具有如下技術局限性和難題：① 不同超聲波發射頻率和其它參數修改會導致微泡不同程度的破裂，給運動矢量的估計帶來負面影響；② 心腔內高濃度微泡將會嚴重影響超聲波聲場能量強度的均勻性，微泡導致聲波能量快速衰減，致使近場的超聲能量與遠場能量差別更大，以至在實際應用中難以進行控制和把握。
另一種可能的采集心室腔內血流圖像方法是采用高頻超聲探頭獲取腔內流體信息。從目前我們的研究結果推測，該方式將有可能成為心臟流體研究中圖像采集的重要方式。隨著超聲診斷儀器及相關成像技術的發展，一些高頻探頭已經能夠在不需要造影劑的情況下采集到具有足夠血流信息的灰階超聲圖像(即紅細胞散射成像)。采用高頻超聲探頭獲取的血流圖像沒有通過注射造影劑獲取的血流圖像清晰，需要魯棒性更好的前期增強和去噪算法進行處理，目前國內外尚未見到針對高頻超聲圖像增強和去噪的相關研究文獻。由于高頻超聲探頭采集心室腔內血流圖像具有無創傷、不需注射造影劑、幀頻高(時間分辨率高)等優點，而且在心動周期同一時刻下能同步獲取心臟室壁心肌和腔內流體時間和空間的運動信息，更有利于實時分析基于特定病患的心臟、流體和固體同步運動特征和力學功能狀態。
第二階段是圖像預處理和運動矢量估計。圖像預處理的目的是為更加準確的估計心室內血液運動矢量，從而為后續的流體特征和流固力學分析奠定數據基礎。圖像預處理主要包括去除斑點噪聲和圖像分割。去除斑點噪聲方法主要有中值濾波法、各向異性偏微分法等。其中中值濾波容易導致邊界模糊，各向異性偏微分法能很好地保持邊界細節，其缺點是迭代次數不易確定且計算量較大。圖像分割常采用水平集、聚類等方法，各自具有一定的優缺點，需要根據具體情況選擇分割方法。
近十年來應用于超聲圖像的運動矢量估計算法主要有：PIV測量[14]、斑點跟蹤(或塊匹配方法)[15]、光流法(optical flow)[16]、蟻群算法[17]等。當前PIV方法主要應用于離體人工心臟或造影劑采集的灰階超聲圖像，該方法運用了圖像塊之間的相關性特性，與斑點跟蹤和塊匹配方法具有一定的相似性，在算法本質上可劃分為同一類方法；蟻群優化算法主要運用于優化塊匹配算法中運動矢量估計；光流法是通過檢測圖像像素點的灰度強度(intensity)隨時間變化的情況推導出運動矢量(包括大小和方向)。
第三階段是流體特征量計算可視化和心功能分析。 在這一階段主要根據上一階段運動估計的矢量場結果，實現流體各種特征量計算及可視化(或組合特征量可視化)，并進行心臟流體力學評價。常見的心臟整體流體運動態勢可視化方法有矢量場法、流線法、線積分卷積法(linear integral convolution，LIC)等。為了達到更佳視覺可視化效果，每種方法均應該根據矢量模的大小用不同深度顏色進行流體可視化。在流體特征方面，為了深入刻畫流體能量分布和轉換情況，需要計算漩渦、旋度、散度等流體特征量，以及特征量的組合量來描述流體能量信息，最后將正常人與病患的流體態勢和流體特征量進行統計比較分析，實現對心臟功能正常或者異常的定性和定量的評價。這一階段的工作具有很高的臨床病例分析價值，流體參數的圖像源可以是MRI、彩色多普勒等醫學圖像，比如文獻[6-8]基于MRI圖像心臟流體分析過程與此三階段類似。
1.3 醫學圖像分析與計算機流體動力學相結合的心臟流體計算
計算流體力學或計算流體動力學(computational fluid dynamics，CFD),是用電子計算機和離散化的數值方法對流體力學問題進行數值模擬和分析的一個分支。將計算流體動力學與醫學圖像處理相結合，也成為心臟流體研究的重要手段。
一種方法是利用MRI和超聲圖像等醫學圖像獲取心臟幾何模型，以此模型進行CFD血流仿真。Kulp等[18]用高精度的CT圖像重建心臟的幾何模型，以幾何模型為邊界條件采用CFD仿真心臟流體狀態，以及流速和流體參數分布。Mangual等[19]研究工作與此類似，采用四維超聲數據獲得心臟幾何模型，并以此為模型為邊界條件建立CFD模型計算心臟流體。Schenkel等[20]結合CFD仿真特定患者的左心室流體過程，其方法是根據特定患者的MRI圖像重建心臟室壁的三維模型，并采用bezier插值估計方法來平滑三維模型以準確仿真在體心臟幾何模型，從而為基于Navier-Stokes方法計算流體提供邊界保證，并建立三維流體數字模型進行仿真。該方法中，心臟模型保證了流體計算的運動矢量與患者心室腔內實際血流具有一致性，對實際臨床心臟疾病診斷而言具有一定的參考價值，但在算法上尚未充分利用圖像獲取在體血流運動的信息。
另一種方法是將基于圖像分析的運動矢量結果作為CFD參數計算心臟流體。 在計算流體力學中，基于對最小二乘有限元法(least square finite element method,LSFEM)，可以加入已知的實驗結果使得計算結果更加準確，同時具有一定的抵制噪聲誤差能力，據此Wei等[21]通過PIV獲得流體運動矢量信息并將其結果融入流體計算模型，從而得到更加精準的左心室運動結果。
2 心臟流體特征分析及心臟流體動力學評價發展趨勢
2.1 流體特征量計算及可視化的算法獨立性(可重復性)和魯棒性研究
左心室血流包含直流(direct flow)和循環流 (recirculating flow)，所有這些流動與左心室泵血效率緊緊相關[22-23]。在基于圖像的流體特征分析方面，現有研究以及臨床運用已經能夠獲取運動矢量、流線、渦流、旋度以及三維渦流[24]等信息，其中渦流的大小、強度、位置等參數的量化成為研究者們研究心臟流體的首選流體特征。Kim等[25]對渦街相關性(vortex pulsation correlation)、渦流的深度、寬度和長度各種參數分析，研究參數與心功能的相關性。然而現有基于圖像量化評價心功能的文獻中，主要趨向于特征量評價統計分析方法的研究，對流體特征計算本身的魯棒性和可重復性的研究重視不夠，對算法本身的獨立性和穩定性研究不夠，比如通過VFM方法計算的流線結果很大程度上決定于彩色血流區域邊界情況。Westerdale 等[26]針對超聲圖像進行了PIV方法和光流法的對比研究，雖然是對算法本身的研究，但是仍然沒有對算法自身魯棒性進行分析研究。隨著基礎研究向臨床應用轉化的需求增強，對算法自身的可重復性和魯棒性將是研究者們一個重要研究方向。
2.2 心臟功能機制的流體力學分析
現有基于圖像方法研究心臟流體的方法，無論在基礎研究方面還是臨床診斷都取得了很大的進步，比如Kheradvar等[24]通過超聲圖像評估舒張期心臟功能異常的二尖瓣渦流形成過程，對臨床診斷和基礎研究具有重要意義。然而此類研究多是針對流體本身特性或心臟功能表象的研究，從圖像處理角度對心臟整體進行更深層次的心臟流固耦合和能量傳遞方面的研究甚少。文獻[6]基于一定的力學數學模型研究了流固耦合狀態，文獻[9]對彈性管道的流固耦合進行了數值模擬，然而這類研究方法的流體數據不是直接來源于在體血流。基于醫學圖像方法分析來源于在體的血流數據，可得到血流和心肌的同步運動信息，能夠很好地支持流固耦合的研究。在未來的基于醫學圖像的心臟流體力學分析研究中，隨著信息技術和傳感器技術的發展，對心臟功能和流體力學的研究將會在以下幾方面迅速展開。
2.2.1 對心臟流體能量傳遞過程的研究
心臟做功過程伴隨著能量轉換和傳遞過程，因此研究心臟流體能量對心臟工作機理和心臟功能狀態具有重要意義。 較其它研究方式而言，基于圖像的分析方法更容易獲得能量和相關量分布，比如在計算壓力差方面，基于醫學圖像分析的方法能更方便地獲取流體流線，結合伯努力方程(Bernouli equition)或Navier-Stokes方程可快速計算血液壓力差分布。
2.2.2 流體特征與心臟功能狀態的研究
心腔內流體狀態是心臟做功的最終反映，通過流體特征分析可輔助診斷心臟疾病。因此，基于醫學圖像的心臟流體狀態方法學研究具有明確的臨床實際應用價值。然而，現有的研究主要是定性研究，定量研究有待進步一步提高。基于圖像分析方法進行心臟流體狀態的研究需要從兩方面深入：一是特征量計算的可重復性，即特征量計算結果與算法和參數盡可能獨立，保證結果的穩定性；二是特征量化的準確性需要進一步提升，針對當前幀頻有限等限制條件，改進算法盡可能正確地估計出運動矢量，提高流體特征和力學量計算的準確性，以正確反映在體真實流體狀態和心臟功能。
2.2.3 血液流體和心肌固體同步運動耦合研究
心血管疾病會導致心臟機械屬性和幾何形狀的變化，從而影響心臟室壁運動和心血管內血流流動這兩種互相影響的耦合運動。現有流固耦合研究主要是基于數值模擬的方法和基于偏微分方程方法，而從醫學圖像角度分析耦合關系研究甚少。近年來，基于醫學圖像分析觀察心肌運動和血流流體一致性和耦合關系的研究開始受到人們關注，該方法可以獲得心肌和血流的同步運動，為耦合分析提供數據基礎。Luo 等[27]在這方面的研究具有一定的代表性，從超聲圖像中估計心肌和血流的時間同步運動矢量后，根據運動矢量的分布狀態、運動方向和渦流形成過程，分析心肌運動和血流運動的一致性和耦合情況，研究結果為流體和心肌流固耦合分析提供了新的方法。
引言
心臟流體力學是基礎和臨床心臟病學研究的重要內容，它是醫學、生物學、力學、計算機科學等多學科相互交叉、滲透發展形成的熱點前沿研究領域。各種心臟疾病往往首先導致不同時相心腔內血液流場的異常變化，深入揭示其血液流體特征有可能為各種心血管疾病心臟功能異常的早期診斷和精確診斷提供重要線索[1]。大血管和心腔的血液中渦漩形成勢必影響血液壓力分布和剪切應力的變化，同時渦旋也是反應血液流動與心血管疾病病理相關的重要形式[2-3]。然而，由于現有醫學影像設備及其圖像采集技術的制約，很難獲取同時具有較高時間和空間分辨率的動態心臟圖像。另一方面，心臟功能的實現受呼吸產生的整體運動、自身扭動和伸縮運動的影響，各種復雜的生理結構和生理變化特性將造成復雜多變的心室內流場狀態。盡管心室腔內流場復雜多變，但是在心動周期每個特定時相以層流和/或渦流為主體，其每個時相流體總體特征保持一定的穩定性，血流渦流參數、旋度分布等流體特征量具有一定的不變性，流體的不變性和醫學影像技術水平的提高為進一步深入研究心臟腔內流體力學狀態提供了可能性。隨著醫學影像學技術的進步，研究者們開始將光流法、粒子跟蹤 、粒子成像速度(particle image velocity，PIV)等算法應用到磁共振圖像、造影的灰階超聲圖像、彩色多普勒血流圖像以及透明人工心臟采集的醫學圖像，以獲取心血管內血流運動矢量和渦流等流體值，并以此為基礎從流體力學角度對心臟功能進行量化評價和臨床診斷參考。
1 基于醫學圖像的心臟流體力學研究現狀
磁共振成像(magnetic resonance imagine,MRI)和超聲圖像具有能采集活體數據的優點，較其它采集圖像方式而言數據準確性更高，臨床適用價值更高。Bellofiore等[4]用透明的心臟瓣膜裝置和高精度PIV得到血流速度矢量場，從而評估瓣膜對血流的負面影響，然而這類用模擬裝置采集的數據與MRI和超聲采集的在體數據必然存在一定的差異。基于圖像處理的方法主要分三個階段：采集圖像及圖像預處理、估計運動矢量、流場特征及心功能分析。由于MRI和超聲波成像具有不同的采集圖像方式，其三個處理階段所包含的圖像處理和分析技術方法有所不同。
1.1 基于MRI技術的心臟流體研究
MRI是上世紀40年代發展起來的一項新的分析技術，具有無創性、圖像空間分辨率高的特點，在醫學研究和臨床診斷中是獲取在體圖像的重要手段。其中磁共振相位編碼速度標示(phase-contrast magnetic resonance,PC-MR)技術一直被作為金標準應用于血流速度及流量的測量。PC-MR圖像采集獲得兩種圖像，即振幅圖和相位圖。振幅圖包含信號強度信息，主要用于解剖定位；而相位圖每個像素標示該像素點自旋的平均速度，主要用于測量流速與流量，因此，基于相位編碼速度標示技術可在不需要造影劑的情況下得到血流速度，研究人員將研究重點放在流體特征計算和心臟功能評價研究方面。盡管在PC-MR技術下可實時得到二維圖像的運動矢量，然而如果需要得到穩定性更好的數據通常需要借助心電圖，利用幾個心動周期數據計算運動矢量場。具體獲取信息的時間代價與幾個因素有關，比如所關注的區域大小、在體內的位置、設置的時間和空間的精度以及呼吸情況[5]。
Wong等[6-8]基于2D MRI的心臟流體影像學研究具有一定的代表性。在一個心動周期采集25幀圖像并解碼出運動矢量，分析每個心動周期內心室流體旋度統計值隨時間的變化情況，并對正常人和特定患者的旋度統計柱狀圖進行對比，分析其顯著性。其基本過程就是計算流程特征，然后用流場特征對心臟功能進行量化分析，對臨床疾病診斷具有一定的參考價值。
1.2 基于超聲圖像的心臟流體研究
當前可應用于標測在體血流的超聲技術為：頻譜多普勒、彩色多普勒超聲成像和PIV分析造影采集二維灰階超聲成像技術。其中常規頻譜多普勒超聲只能獲取較小區域內的血流速度信息，不能用于分析心室腔內流體整體運動情況。彩色多普勒血流成像技術能夠提供面上的與超聲波聲束方向平行的血流平均速度值和方向[9-11]。目前基于超聲波成像分析心臟流體動力學，主要采用彩色多普勒超聲和灰階超聲圖像兩種方式。
1.2.1 基于彩色多普勒超聲的心室流體動力學分析方法
從上世紀70年代開始，彩色多普勒血流成像技術(color Doppler echocardiography，CDE)被應用于心腔血流動力學狀態的量化評價，是一種無創、實時的心臟血流圖像采集手段，能夠獲取聲束方向上的二維血流速度分布圖，并采用彩色編碼表示血流與聲束相對方向。該方式不能實現血流流體整體流場和基于局部流線的層流及渦流等流體狀態的可視化觀察和量化評價，難以實現心動周期中流體內部能量傳導、流體與流體以及流體與固體間能量交換的量化評價。為利用彩色多普勒血流圖像中血液運動信息進行心臟流體狀態分析，日本學者Ohtsuki等研究人員于2006年提出了血流速度矢量圖(vector flow mapping,VFM)方法。其在計算流體信息時，假定二維平面流場是由層流和渦流組成，算法結合圖像信息和流體公式獲得垂直于聲束方向的運動矢量，并與聲束方向速度矢量合成得到血流的最終運動矢量；同時，沿著垂直于超聲聲束方向對顏色積分實現流函數值計算，將流函數值相同的點連接起來得到流體的流線，最后用矢量場和流線對血流狀態進行可視化描述。應用VFM技術可對心室腔內血流的層流和渦流狀態進行直觀可視化觀察，并能進行簡單量化評價，為心臟流體運動特征描述、流體狀態評價提供了重要技術方法[12-13]。然而，該方法中流線和運動矢量的原理不一致，導致二者結果具有一定的差異性，同時VFM的角度依賴性等固有技術缺陷很難得到有效解決。
1.2.2 基于灰階超聲圖像的心腔流體運動分析
基于MRI圖像和彩色多普勒圖像的流體分析方法可以直接從圖像自身解碼得到速度矢量或速度分量，而灰階超聲圖像不能從圖像內容解碼出組織(或圖像像素)運動矢量，因此需要按照一定算法利用幀間信息得到運動信息。Park等[14]對造影劑圖像運用PIV方法計算渦流相關參數，類似這樣基于灰階超聲圖像心臟動力學及功能研究的路線可分為三個階段。
首先，采集具有心肌和血流的二維灰階超聲圖像。血液流體自身聲學屬性導致采用低頻常規超聲儀很難采集到具有完整可靠血流信息的超聲圖像，因此首先需要解決如何采集可供分析的灰階超聲圖像。目前在基礎研究和臨床診斷中，基本的技術手段是通過微泡造影方法獲取具有血流信息的灰階心臟超聲圖像。該方法通過向血液中注入微泡，增強散射回聲以提高超聲診斷的分辨力、敏感性和特異性，最終實現對心室腔內血液圖像區域的對比反差，達到增強流體圖像的目的。然而通過靜脈注射超聲造影微泡具有如下技術局限性和難題：① 不同超聲波發射頻率和其它參數修改會導致微泡不同程度的破裂，給運動矢量的估計帶來負面影響；② 心腔內高濃度微泡將會嚴重影響超聲波聲場能量強度的均勻性，微泡導致聲波能量快速衰減，致使近場的超聲能量與遠場能量差別更大，以至在實際應用中難以進行控制和把握。
另一種可能的采集心室腔內血流圖像方法是采用高頻超聲探頭獲取腔內流體信息。從目前我們的研究結果推測，該方式將有可能成為心臟流體研究中圖像采集的重要方式。隨著超聲診斷儀器及相關成像技術的發展，一些高頻探頭已經能夠在不需要造影劑的情況下采集到具有足夠血流信息的灰階超聲圖像(即紅細胞散射成像)。采用高頻超聲探頭獲取的血流圖像沒有通過注射造影劑獲取的血流圖像清晰，需要魯棒性更好的前期增強和去噪算法進行處理，目前國內外尚未見到針對高頻超聲圖像增強和去噪的相關研究文獻。由于高頻超聲探頭采集心室腔內血流圖像具有無創傷、不需注射造影劑、幀頻高(時間分辨率高)等優點，而且在心動周期同一時刻下能同步獲取心臟室壁心肌和腔內流體時間和空間的運動信息，更有利于實時分析基于特定病患的心臟、流體和固體同步運動特征和力學功能狀態。
第二階段是圖像預處理和運動矢量估計。圖像預處理的目的是為更加準確的估計心室內血液運動矢量，從而為后續的流體特征和流固力學分析奠定數據基礎。圖像預處理主要包括去除斑點噪聲和圖像分割。去除斑點噪聲方法主要有中值濾波法、各向異性偏微分法等。其中中值濾波容易導致邊界模糊，各向異性偏微分法能很好地保持邊界細節，其缺點是迭代次數不易確定且計算量較大。圖像分割常采用水平集、聚類等方法，各自具有一定的優缺點，需要根據具體情況選擇分割方法。
近十年來應用于超聲圖像的運動矢量估計算法主要有：PIV測量[14]、斑點跟蹤(或塊匹配方法)[15]、光流法(optical flow)[16]、蟻群算法[17]等。當前PIV方法主要應用于離體人工心臟或造影劑采集的灰階超聲圖像，該方法運用了圖像塊之間的相關性特性，與斑點跟蹤和塊匹配方法具有一定的相似性，在算法本質上可劃分為同一類方法；蟻群優化算法主要運用于優化塊匹配算法中運動矢量估計；光流法是通過檢測圖像像素點的灰度強度(intensity)隨時間變化的情況推導出運動矢量(包括大小和方向)。
第三階段是流體特征量計算可視化和心功能分析。 在這一階段主要根據上一階段運動估計的矢量場結果，實現流體各種特征量計算及可視化(或組合特征量可視化)，并進行心臟流體力學評價。常見的心臟整體流體運動態勢可視化方法有矢量場法、流線法、線積分卷積法(linear integral convolution，LIC)等。為了達到更佳視覺可視化效果，每種方法均應該根據矢量模的大小用不同深度顏色進行流體可視化。在流體特征方面，為了深入刻畫流體能量分布和轉換情況，需要計算漩渦、旋度、散度等流體特征量，以及特征量的組合量來描述流體能量信息，最后將正常人與病患的流體態勢和流體特征量進行統計比較分析，實現對心臟功能正常或者異常的定性和定量的評價。這一階段的工作具有很高的臨床病例分析價值，流體參數的圖像源可以是MRI、彩色多普勒等醫學圖像，比如文獻[6-8]基于MRI圖像心臟流體分析過程與此三階段類似。
1.3 醫學圖像分析與計算機流體動力學相結合的心臟流體計算
計算流體力學或計算流體動力學(computational fluid dynamics，CFD),是用電子計算機和離散化的數值方法對流體力學問題進行數值模擬和分析的一個分支。將計算流體動力學與醫學圖像處理相結合，也成為心臟流體研究的重要手段。
一種方法是利用MRI和超聲圖像等醫學圖像獲取心臟幾何模型，以此模型進行CFD血流仿真。Kulp等[18]用高精度的CT圖像重建心臟的幾何模型，以幾何模型為邊界條件采用CFD仿真心臟流體狀態，以及流速和流體參數分布。Mangual等[19]研究工作與此類似，采用四維超聲數據獲得心臟幾何模型，并以此為模型為邊界條件建立CFD模型計算心臟流體。Schenkel等[20]結合CFD仿真特定患者的左心室流體過程，其方法是根據特定患者的MRI圖像重建心臟室壁的三維模型，并采用bezier插值估計方法來平滑三維模型以準確仿真在體心臟幾何模型，從而為基于Navier-Stokes方法計算流體提供邊界保證，并建立三維流體數字模型進行仿真。該方法中，心臟模型保證了流體計算的運動矢量與患者心室腔內實際血流具有一致性，對實際臨床心臟疾病診斷而言具有一定的參考價值，但在算法上尚未充分利用圖像獲取在體血流運動的信息。
另一種方法是將基于圖像分析的運動矢量結果作為CFD參數計算心臟流體。 在計算流體力學中，基于對最小二乘有限元法(least square finite element method,LSFEM)，可以加入已知的實驗結果使得計算結果更加準確，同時具有一定的抵制噪聲誤差能力，據此Wei等[21]通過PIV獲得流體運動矢量信息并將其結果融入流體計算模型，從而得到更加精準的左心室運動結果。
2 心臟流體特征分析及心臟流體動力學評價發展趨勢
2.1 流體特征量計算及可視化的算法獨立性(可重復性)和魯棒性研究
左心室血流包含直流(direct flow)和循環流 (recirculating flow)，所有這些流動與左心室泵血效率緊緊相關[22-23]。在基于圖像的流體特征分析方面，現有研究以及臨床運用已經能夠獲取運動矢量、流線、渦流、旋度以及三維渦流[24]等信息，其中渦流的大小、強度、位置等參數的量化成為研究者們研究心臟流體的首選流體特征。Kim等[25]對渦街相關性(vortex pulsation correlation)、渦流的深度、寬度和長度各種參數分析，研究參數與心功能的相關性。然而現有基于圖像量化評價心功能的文獻中，主要趨向于特征量評價統計分析方法的研究，對流體特征計算本身的魯棒性和可重復性的研究重視不夠，對算法本身的獨立性和穩定性研究不夠，比如通過VFM方法計算的流線結果很大程度上決定于彩色血流區域邊界情況。Westerdale 等[26]針對超聲圖像進行了PIV方法和光流法的對比研究，雖然是對算法本身的研究，但是仍然沒有對算法自身魯棒性進行分析研究。隨著基礎研究向臨床應用轉化的需求增強，對算法自身的可重復性和魯棒性將是研究者們一個重要研究方向。
2.2 心臟功能機制的流體力學分析
現有基于圖像方法研究心臟流體的方法，無論在基礎研究方面還是臨床診斷都取得了很大的進步，比如Kheradvar等[24]通過超聲圖像評估舒張期心臟功能異常的二尖瓣渦流形成過程，對臨床診斷和基礎研究具有重要意義。然而此類研究多是針對流體本身特性或心臟功能表象的研究，從圖像處理角度對心臟整體進行更深層次的心臟流固耦合和能量傳遞方面的研究甚少。文獻[6]基于一定的力學數學模型研究了流固耦合狀態，文獻[9]對彈性管道的流固耦合進行了數值模擬，然而這類研究方法的流體數據不是直接來源于在體血流。基于醫學圖像方法分析來源于在體的血流數據，可得到血流和心肌的同步運動信息，能夠很好地支持流固耦合的研究。在未來的基于醫學圖像的心臟流體力學分析研究中，隨著信息技術和傳感器技術的發展，對心臟功能和流體力學的研究將會在以下幾方面迅速展開。
2.2.1 對心臟流體能量傳遞過程的研究
心臟做功過程伴隨著能量轉換和傳遞過程，因此研究心臟流體能量對心臟工作機理和心臟功能狀態具有重要意義。 較其它研究方式而言，基于圖像的分析方法更容易獲得能量和相關量分布，比如在計算壓力差方面，基于醫學圖像分析的方法能更方便地獲取流體流線，結合伯努力方程(Bernouli equition)或Navier-Stokes方程可快速計算血液壓力差分布。
2.2.2 流體特征與心臟功能狀態的研究
心腔內流體狀態是心臟做功的最終反映，通過流體特征分析可輔助診斷心臟疾病。因此，基于醫學圖像的心臟流體狀態方法學研究具有明確的臨床實際應用價值。然而，現有的研究主要是定性研究，定量研究有待進步一步提高。基于圖像分析方法進行心臟流體狀態的研究需要從兩方面深入：一是特征量計算的可重復性，即特征量計算結果與算法和參數盡可能獨立，保證結果的穩定性；二是特征量化的準確性需要進一步提升，針對當前幀頻有限等限制條件，改進算法盡可能正確地估計出運動矢量，提高流體特征和力學量計算的準確性，以正確反映在體真實流體狀態和心臟功能。
2.2.3 血液流體和心肌固體同步運動耦合研究
心血管疾病會導致心臟機械屬性和幾何形狀的變化，從而影響心臟室壁運動和心血管內血流流動這兩種互相影響的耦合運動。現有流固耦合研究主要是基于數值模擬的方法和基于偏微分方程方法，而從醫學圖像角度分析耦合關系研究甚少。近年來，基于醫學圖像分析觀察心肌運動和血流流體一致性和耦合關系的研究開始受到人們關注，該方法可以獲得心肌和血流的同步運動，為耦合分析提供數據基礎。Luo 等[27]在這方面的研究具有一定的代表性，從超聲圖像中估計心肌和血流的時間同步運動矢量后，根據運動矢量的分布狀態、運動方向和渦流形成過程，分析心肌運動和血流運動的一致性和耦合情況，研究結果為流體和心肌流固耦合分析提供了新的方法。